ОБЛАСТЬ ТЕХНИКИ
Настоящее техническое решение относится к области вычислительной техники, в частности, к цифровой компьютерно-реализуемой платформе для создания медицинских приложений с использованием искусственного интеллекта и способу её работы.
УРОВЕНЬ ТЕХНИКИ
Из уровня техники известно решение, выбранное в качестве наиболее близкого аналога, RU 2703679 C2. Данное решение относится к области вычислительной техники, а именно к системам поддержки принятия решений в медицине. В указанном решении обрабатывают данные, содержащиеся в истории болезней пациентов, выбранных из предварительно сформированной обучающей выборки; преобразовывают эти данные в последовательность медицинских фактов по каждому пациенту с использованием медицинских онтологий; производят автоматическую разметку полученной последовательности медицинских фактов по каждому пациенту, используя извлеченные из истории болезни пациента диагнозы или другие интересующие факты; производят обучение первичных репрезентаций независимо для каждой из модальностей; осуществляют обучение совместных репрезентаций; производят обучение финальных моделей и параметров агрегации; получают историю болезни пациента, не входящую в обучающую выборку, и производят предварительную обработку данных из неё; преобразовывают обработанные данные в последовательность медицинских фактов с использованием медицинских онтологий; полученный набор фактов отправляют на вход обученным финальным моделям; определяют диагноз, проводят анализ и прогноз развития заболеваний пациента с наибольшей вероятностью, соответствующий предъявленному набору фактов.
Вышеуказанное техническое решение направлено на решение проблемы создания математической модели пациента, при помощи которой появляется возможность повысить точность диагностирования и осуществлять анализ и прогноз развития заболеваний для конкретного пациента. Однако стоит отметить, что в известном уровне техники, не раскрыта информация о централизованном сборе медицинской информации по обратной связи для последующей доработки моделей.
Предлагаемое решение направлено на устранение недостатков современного уровня техники и отличается от известных решений тем, что предложенная платформа, обеспечивает централизованный сбор медицинской информации по обратной связи по приложениям для последующей доработки моделей.
СУЩНОСТЬ ИЗОБРЕТЕНИЯ
Технической проблемой, на решение которой направлено заявленное решение, является создание цифровой компьютерно-реализуемой платформы для создания медицинских приложений с использованием искусственного интеллекта и способ её работы. Дополнительные варианты реализации настоящего изобретения представлены в зависимых пунктах изобретения.
Технический результат заключается в расширении арсенала технических средств платформы.
Заявленный результат достигается за счет осуществления цифровой компьютерно-реализуемой платформы для создания медицинских приложений с использованием искусственного интеллекта, которая содержит:
подсистему хранения данных, выполненную с возможностью получения данных медицинских исследований из информационных систем лечебно-профилактических учреждений (ЛПУ) для их обработки и передачи результатов обработки исследований в среду разработки приложений, в инструменты просмотра и разметки исследований, а также в подсистему выполнения приложений;
инструменты просмотра и разметки исследований, выполненные с возможностью хранения и управления исходными и размеченными исследованиями; организации разметки; интеграции исследований в информационные системы ЛПУ;
среду разработки приложений, выполненную с возможностью хранения и управления исходными кодами приложений, доступа к размеченным исследованиям в подсистеме хранения данных, автоматизации вычислительных экспериментов с использованием среды запуска приложений, интеграции с инструментами просмотра исследований для просмотра промежуточных результатов работы приложений;
среду запуска приложений, выполненную с возможностью запуска промежуточных версий приложений для тестирования и отладки, использовать вычислительные ресурсы кластеров для обучения моделей;
подсистему выполнения приложений, выполненную с возможностью приема разработанных приложений и обеспечения их выполнения по внешним запросам через API и интеграции в информационные системы ЛПУ, а также выполненную с возможностью создания предсказательных моделей;
витрину приложений, причем витрина приложений реализована в виде внешнего интерфейса, предоставляющую возможность быстрого ознакомления с существующими приложениями, выполнения тестовых запусков приложений, ведения истории запусков приложений с возможностью просмотра результатов работы приложений;
подсистему аутентификации пользователей;
подсистему обмена сообщениями, выполненную с возможностью получения информации о пользователе платформы и обеспечении разграничения прав доступа к сообщениям между пользователями.
В частном варианте реализации описываемой платформы, инструменты просмотра и разметки исследований выполнены с возможностью управления датасетами, а именно с возможностью создания, классификации и настройки прав доступа.
В другом частном варианте реализации описываемой платформы, просмотр и разметка исследований осуществляется посредством просмоторщика DICOM.
В другом частном варианте реализации описываемой платформы, среда разработки приложений содержит каталог алгоритмов.
В другом частном варианте реализации описываемой платформы, витрина приложений получает исходные данные для приложений централизованно из хранилища.
В другом частном варианте реализации описываемой платформы, запуск алгоритмов происходит в асинхронных задачах, которые ставятся в очередь на выполнение, причем после выполнения асинхронной задачи результат выполнения сохраняется в базу данных, создается новая сущность, датасет - результат работы алгоритма, состоящий из файлов, полученных в ходе обработки первоначального датасета.
Заявленный результат также достигается за счет способа работы цифровой компьютерно-реализуемой платформы для создания медицинских приложений с использованием искусственного интеллекта, который, в свою очередь, содержит этапы, на которых:
посредством подсистемы хранения данных, осуществляется получение данных медицинских исследований из информационных систем лечебно-профилактических учреждений (ЛПУ), дальнейшая их обработка и передача полученных результатов в среду разработки приложений, в инструменты просмотра и разметки исследований, а также в подсистему выполнения приложений;
посредством инструментов просмотра и разметки исследований, осуществляется организация разметки данных и интеграция данных в информационные системы ЛПУ, а также дальнейшее хранение и управление исходными и размеченными исследованиями;
посредством среды разработки приложений осуществляется хранение и изменение исходного кода алгоритмов, причем среда разработки приложений имеет доступ к размеченным исследованиям;
осуществляется запуск промежуточных версий приложений для их тестирования и отладки посредством среды запуска приложений, причем среда запуска приложений может использовать вычислительные ресурсы кластеров для обучения моделей;
осуществляется прием разработанных приложений, их выполнение по внешним запросам через API, интеграция в информационные системы ЛПУ и создание предсказательных моделей посредством подсистемы выполнения приложений;
осуществляется отображение результатов работы приложений посредством витрины приложений.
В частном варианте реализации описываемого способа, инструменты просмотра и разметки исследований выполнены с возможностью управления датасетами, а именно с возможностью создания, классификации и настройки прав доступа.
В другом частном варианте реализации описываемого способа, просмотр и разметка исследований осуществляется посредством просмоторщика DICOM.
В другом частном варианте реализации описываемого способа, среда разработки приложений содержит каталог алгоритмов.
В другом частном варианте реализации описываемого способа, витрина приложений получает исходные данные для приложений централизованно из хранилища.
В другом частном варианте реализации описываемого способа, запуск алгоритмов происходит в асинхронных задачах, которые ставятся в очередь на выполнение, причем после выполнения асинхронной задачи результат выполнения сохраняется в базу данных, создается новая сущность, датасет - результат работы алгоритма, состоящий из файлов, полученных в ходе обработки первоначального датасета.
ОПИСАНИЕ ЧЕРТЕЖЕЙ
Реализация изобретения будет описана в дальнейшем в соответствии с прилагаемыми чертежами, которые представлены для пояснения сути изобретения и никоим образом не ограничивают область изобретения. К заявке прилагаются следующие чертежи:
Фиг.1 иллюстрирует схему работы предлагаемой платформы;
Фиг.2 иллюстрирует схему вычислительного устройства.
ДЕТАЛЬНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ
В приведенном ниже подробном описании реализации изобретения приведены многочисленные детали реализации, призванные обеспечить отчетливое понимание настоящего изобретения. Однако, квалифицированному в предметной области специалисту, будет очевидно каким образом можно использовать настоящее изобретение, как с данными деталями реализации, так и без них. В других случаях хорошо известные методы, процедуры и компоненты не были описаны подробно, чтобы не затруднять излишне понимание особенностей настоящего изобретения.
Кроме того, из приведенного изложения будет ясно, что изобретение не ограничивается приведенной реализацией. Многочисленные возможные модификации, изменения, вариации и замены, сохраняющие суть и форму настоящего изобретения, будут очевидными для квалифицированных в предметной области специалистов.
Подробное описание элементов платформы
Подсистема хранения данных предоставляет возможность коммуникации с поставщиком данных - медицинскими организациями. Посредством подсистемы хранения данных формируются требования по запросу и передаче исходных данных медицинских исследований из ЛПУ для их дальнейшей обработки.
Инструменты просмотра и разметки данных предоставляют возможность хранить исходные данные и работать с датасетами (создавать, классифицировать, настраивать права доступа и т.п.). Инструменты просмотра и разметки данных, также обеспечивают коммуникацию между поставщиками данных, разработчиками алгоритмов и разметчиками. Подсистема предоставляет возможность создания формализованных требований к разметке, а также выбора инструмента разметки под указанный формат выходных данных.
Backassist - веб приложение, написанное с использованием python 3.7 и django 2.2. В качестве базы данных использован postgreSQL 10. Так же есть celery для асинхронных задач по взаимодействию с внешними системами, например с Коброй. Запуск алгоритмов происходит в асинхронных задачах, которые ставятся в очередь на выполнение, после выполнения асинхронной задачи результат выполнения сохраняется в базу данных, также создается новая сущность, датасет - результат работы алгоритма, состоящий из файлов, полученных в ходе обработки изначального датасета.
Общая схема базы данных выглядит следующим образом:
• Основная сущность - проект, в каждом проекте могут быть пользователи, датасеты, и алгоритмы. Чтобы попасть в проект необходимо направить запрос (ProjectInvitationRequest) на вступление в проект и после его одобрения у пользователя появляется роль в проекте (UserProjectRole).
• Датасеты состоят из файлов, для датасета может существовать несколько разметок датасета, объединяющих в себя разметки файлов из этого датасета.
• Алгоритмы - база алгоритмов машинного обучения, которые можно запускать на датасетах из проекта. В результате получится датасет, состоящий из данных, полученных после обработки алгоритмом файла исходного датасета.
Разметчик ЭЭГ предназначен для просмотра и разметки записей ЭЭГ. Система предоставляет возможность просматривать в веб интерфейсе записи ЭЭГ формата EDF и EDF+. Система является удобным инструментом для работы с записями ЭЭГ. Веб интерфейс облегчает доступ и требует для работы в системе подключения к сети интернет и наличия интернет браузера на компьютере врача.
Разметчик DICOM (Digital Imaging and Communications in Medicine) - медицинский отраслевой стандарт создания, хранения, передачи и визуализации цифровых медицинских изображений и документов обследованных пациентов.
Просмотрщик DICOM предназначен для просмотра и разметки файлов с форматами DICOM/NIFTI/PNG/JPG/BMP/TIF/RAR/ZIP. Система является удобным инструментом для работы со снимками МРТ, КТ и т.п. Веб интерфейс облегчает доступ и требует для работы в системе подключения к сети интернет и наличия интернет браузера на компьютере врача. Система предоставляет возможность просматривать в веб интерфейсе снимки DICOM/NIFTI/PNG/JPG/BMP/TIF/RAR/ZIP. Также система предоставляет размечать аномалии на снимках и сохранять разметку.
Среда разработки приложений обеспечивает хранение и изменение исходного кода алгоритмов, комментирование и совместную работу группы пользователей над модификацией программ. Ее работа представлена в виде разделяемого доступа к git-репозитарии, через пользовательские интерфейсы программ разработки и IDE, такие как GitLab, JupiterHub и др. IDE для разработки приложений состоит из JupiterHub и клиентского приложения, которое позволяет выделять вычислительные ресурсы под ресурсоёмкие задачи в рамках разработки (например, обучения моделей и постановки экспериментов для проверки гипотез). Вычислительные ресурсы выделяются в виде Docker-контейнеров, конфигурация которых настраивается при создании (как автоматические правила, так и ручные настройки). Тесная интеграция JupyterHub и клиентского приложения с системой управления контейнерами на базе Kubernetes позволяет оптимально распределять доступные вычислительные ресурсы.
Запуск и тестирование алгоритмов с целью отладки осуществляется через среду запуска приложений посредством подсистемы виртуализации на основе контейнеров и позволяет одновременно отлаживать множество программ в независимых и изолированных пространствах. В основе реализации данного функционала лежат технологии Docker и Kubernetes. Взаимодействие между системой разработки и системой запуска обеспечивается за счет внутренних системных вызовов к API систем.
Непосредственная разработка алгоритмов не привязана к конкретному языку программирования или реализации и может использоваться любой из современных языков программирования. Это качество платформы возможно благодаря расширяемому языку шаблонов, который связан с подсистемой запуска алгоритмов.
Гибкий (agile) подход, часто применяемый в командах разработчиков алгоритмов, реализован в системе коммуникации через систему управления задачами на базе Kanban-доски. Это позволяет отслеживать процесс разработки алгоритма, взаимодействия по запросам, контроль и комментирование статусов выполнения задач.
Подсистема выполнения приложений предназначена для работы с исходными и размеченными данными медицинских исследований, создания предсказательных моделей и разработки приложений для внедрения на платформу. Также подсистема осуществляет коммуникацию между конечными потребителями (заказчиками), разработчиками алгоритмов, экспертами и инвесторами (при необходимости). Позволяет оптимизировать процесс проверки и финального тестирования приложений перед автоматической публикацией в витрину приложений. Врачи и датасаентисты могут обмениваться данными, результатами работы приложений, причем это происходит в единообразной форме, используя одни и те же инструменты просмотра и разметки ЭЭГ и DICOM, в этих же инструментах пользователи имеют возможность корректировать разметку давать обратную связь, что упрощает процесс.
Витрина приложений является внешней (клиентской) стороной размещенных на платформе сервисов и приложений с прописанным доступом по API и возможностью подключения. Целью размещения приложений является разработка приложений путем предоставления потенциальным потребителям единого интерфейса для ознакомления и тестирования. На витрине отображаются алгоритмы, разработанные в подсистеме платформы по их разработке и публикации с целью дальнейшего продвижения среди потенциальных потребителей.
Для просмотра результатов работы алгоритма используются разметчики серий изображений, DICOM и ЭЭГ. Работа каждого из просмотрщиков уникальна и предоставляет соответствующий каждому исследованию набор инструментов.
Предлагаемое решение также содержит и взаимодействует со следующими элементами.
Хранилище медицинских датасетов и алгоритмов, которое обладает удобной архитектурой хранения и работы с данным (во встроенном разметчике - вьювере).
Среда разработки и запуска алгоритмов, содержащая каталог алгоритмов.
Подсистема запросов и сбора данных из информационных систем лечебно-профилактических учреждений, обладающая возможностью интегрировать данные из ЛПУ для загрузки датасета, а также имеющая возможность запрашивать данных из клиник партнеров.
Сервис просмотра и разметки, содержащий персональный, под каждую задачу, разметчик, выполненный с возможностью импортировать или скачивать разметку.
Подсистема хранения и разметки данных и проектных кабинетов. В проектном кабинете может осуществляться одновременное тестирование алгоритмов машинного обучения, разметка и предобработка датасетов, комментирование результатов медицинскими экспертами и дальнейшая публикация их в качестве отчета-ноутбука или на витрину приложений.
Платформа позволяет получить результат, быстро и эффективно его анализировать. Виды кабинетов разделены под различные области медицинских исследований. Интерфейс позволяет пользователям беспроблемно подключиться и работать на платформе вместе с учеными.
Необходимо учесть, что каждый элемент в предлагаемой платформе может выступать в виде независимого элемента, структура и поведение которого подчиняются определённым правилам. При этом каждый элемент платформы также может быть реализован в качестве функционально-запрограммированного элемента.
Процесс разработки цифровой компьютерно-реализуемой платформы для создания медицинских приложений с использованием искусственного интеллекта включает в себя следующие этапы:
• Постановка задачи на разработку системы поддержки принятия врачебных решений
• Сбор (разметка) данных для разработки предсказательной модели
• Разработка предсказательной модели
• Испытания разработанной предсказательной модели
• Разработка пользовательского интерфейса
• Внедрение в эксплуатацию
• Поддержка и совершенствование системы.
Формирование задачи на разработку системы и определение требований к этой системе обычно происходит в диалоге между медиками и учеными по данным. В процессе общения осуществляется обмен данными об актуальных проблемах, описываются бизнес-процессы и указываются те задачи, которые можно решить с помощью вычислительного устройства. Ученые выбирают те задачи, которые выполнимы на текущем уровне развития техники и демонстрируют наработки. После того как определены задачи, учёные формируют требования к данным, на базе которых будет разрабатываться система.
Чаще всего сырые данные, которые пригодны для разметки и последующей разработки модели, есть в медицинском учреждении, для которого это приложение разрабатывается. Если их нет, то инициируется процесс сбора данных в других медицинских учреждений. Когда сырые данные в нужном количестве найдены, начинается процесс их подготовки в соответствии с установленными заранее требованиями. Результатами разметки обычно являются файлы специализированных форматов.
Разработка предсказательной модели - это наукоемкий итеративный процесс, который состоит из формирования гипотез и их проверки в рамках вычислительных экспериментов. Техническое обеспечение процесса включает в себя вычислительные мощности, интегрированные с инструментами прототипирования и автоматизации вычислительных экспериментов.
После того, как предсказательная модель приемлемого качества разработана, к её испытаниям подключаются медики, которые оценивают качество работы модели на своих данных. Редко получается так, что модель не требует дальнейших доработок. Доработка модели подразумевает сбор дополнительных наборов размеченных данных и корректировку модели с их учетом. Процесс доработки также является итеративным и подразумевает тесное общение медиков и ученых.
После того как делается вывод о том, что модель готова к практическому применению, осуществляется сбор требований и прототипирование пользовательского интерфейса для её дальнейшего, более широкого использования в практике и распространения в медицинском сообществе.
Работа цифровой компьютерно-реализуемой платформы для создания медицинских приложений с использованием искусственного интеллекта представлена на Фиг. 1.
На первом этапе (1) подсистема хранения данных получает информацию о правах пользователя (медицинский работник, специалист по анализу данных) и реализует разграничение прав доступа к данным. При этом в подсистеме хранения данных у каждого пользователя есть свой набор данных, который доступен только ему. Пользователь может размещать данные в общий доступ через директории «проектные пространства» и предоставлять доступ к ним всем участникам на усмотрение пользователя.
На втором этапе (2) пользователь (медицинский работник, специалист по анализу данных) проходит процедуру регистрации на платформе, может после этого аутентифицироваться в подсистемах и управлять своими персональными данными.
На третьем этапе (3) пользователь загружает данные в облачное хранилище для последующего использования в других подсистемах или скачивает данные (медицинские исследования, результаты разметки медицинских данных, результаты работы приложений) из хранилища.
На четвертом этапе (4) пользователь (медицинский работник) использует доступные на платформе инструменты визуализации и разметки данных, например, исследований ЭЭГ (Электроэнцефалограмма), МРТ (Магнитно-резонансная томография), ЭКГ (Электрокардиография), КТ (Компьютерная томография) и других видов медицинских исследований.
На пятом этапе (5) инструменты визуализации и разметки данных получают ранее загруженные данные централизованно из хранилища, осуществляются разметку данных и сохраняют результаты разметки в хранилище данных.
На шестом этапе (6) пользователь (специалист по анализу данных) разрабатывает приложения с помощью инструментов платформы, построенных на базе Gitlab и Jupyterhub.
На седьмом этапе (7) среда разработки предоставляет пользователю (учёному по данным) доступ к централизованно хранящимся данным.
На восьмом этапе (8) среда разработки предоставляет пользователю (учёному по данным) возможности использования вычислительных ресурсов для обучения моделей и запускать промежуточные версии приложений на выполнение.
На девятом этапе (9) среда разработки получает информацию о правах пользователя (учёного по данным) и реализует разграничение прав доступа к данным и вычислительным ресурсам.
На десятом этапе (10) пользователь (медицинский работник) запускает завершенные приложения через графический интерфейс и просматривает в нём результаты.
На одиннадцатом этапе (11) витрина приложений использует инструменты визуализации данных (ЭЭГ и DICOM) для отображения результатов работы приложений в привычном для пользователя (медицинского работника) виде.
На двенадцатом этапе (12) витрина приложений получает информацию о правах пользователя (медицинского работника) и реализует разграничение прав доступа к приложениям. При этом, администратор системы имеет возможность через панель управления предоставлять доступ зарегистрированным пользователям к тем или иным приложениям.
На тринадцатом этапе (13) витрина приложений получает исходные данные для приложений централизованно из хранилища.
На четырнадцатом этапе (14) витрина приложений использует вычислительные ресурсы для запуска приложений.
На пятнадцатом этапе (15) подсистема запуска приложений размещает результаты работы приложений централизованно в хранилище.
На шестнадцатом этапе (16) пользователь (медицинский работник, специалист по анализу данных) обменивается сообщениями с другими пользователями платформы. В системе реализован пользовательский интерфейс (текст и возможность прикрепления файлов), реализована возможность ответа на сообщения. Все сообщения централизованно уходят в базу данных и после этого становятся доступны получателям.
На семнадцатом этапе (17) подсистема обмена сообщениями получает информацию о пользователе и реализует разграничение прав доступа к сообщениям. Разграничение прав заключается в возможности просмотра сообщений, только предназначенных для него, и эта проверка происходит по базе данных. Есть группа пользователей, имеющих возможность рассылать сообщения группе других пользователей. Пользователи объединяются по группам
Далее, в качестве примера, будет приведен процесс разработки системы поддержки принятия решений по определению новообразований печени, однако стоит отметить, что данное решение может использоваться для определения любых патологий и болезней.
На первом этапе осуществляется постановка задачи по определению очаговых новообразований печени. Далее осуществляется сбор данных компьютерной томографии (КТ) исследований печени в формате DICOM (Digital Imaging and Communications in Medicine) и разметка очаговых новообразований с помощью разметчика и просмоторщика исследований DICOM. Осуществляется разработка предсказательной модели, используя разметку собранных данных и построение модели на основе нейронных сетей, которая выполнена с возможностью отличать очаговые новообразования печени по КТ исследованиям. Далее осуществляются испытания тестовых данных, путем прямого тестирования модели и сравнения результатов с референсными, а также совместными испытаниями с врачами. Модель размещается в подсистеме запуска приложений с последующим выводом ее на витрину приложений, тем самым реализуя пользовательский интерфейс. Внедрение в эксплуатацию осуществляется путем предоставления пользовательского интерфейса и интеграции модели в ЛПУ. Поддержка и совершенствование системы осуществляется путем формирования обратной связи с врачами через запросы по электронной почте.
На Фиг. 2 представлена общая схема вычислительного устройства (200), которое выполнено с возможностью обеспечивать обработку данных, необходимую для реализации заявленного решения.
В общем случае устройство (200) содержит такие компоненты, как: один или более процессоров (201), по меньшей мере одну память (202), средство хранения данных (203), интерфейсы ввода/вывода (204), средство В/В (205), средства сетевого взаимодействия (206).
Процессор (201) устройства выполняет основные вычислительные операции, необходимые для функционирования устройства (200) или функциональности одного или более его компонентов. Процессор (201) исполняет необходимые машиночитаемые команды, содержащиеся в оперативной памяти (202).
Память (202), как правило, выполнена в виде ОЗУ и содержит необходимую программную логику, обеспечивающую требуемый функционал.
Средство хранения данных (203) может выполняться в виде HDD, SSD дисков, рейд массива, сетевого хранилища, флэш-памяти, оптических накопителей информации (CD, DVD, MD, Blue-Ray дисков) и т.п. Средство (203) позволяет выполнять долгосрочное хранение различного вида информации, например, вышеупомянутых файлов с наборами данных пользователей, базы данных, содержащих записи измеренных для каждого пользователя временных интервалов, идентификаторов пользователей и т.п.
Интерфейсы (204) представляют собой стандартные средства для подключения и работы с серверной частью, например, USB, RS232, RJ45, LPT, COM, HDMI, PS/2, Lightning, FireWire и т.п.
Выбор интерфейсов (204) зависит от конкретного исполнения устройства (200), которое может представлять собой персональный компьютер, мейнфрейм, серверный кластер, тонкий клиент, смартфон, ноутбук и т.п.
В качестве средств В/В данных (205) в любом воплощении системы, реализующей описываемый способ, должна использоваться клавиатура. Аппаратное исполнение клавиатуры может быть любым известным: это может быть, как встроенная клавиатура, используемая на ноутбуке или нетбуке, так и обособленное устройство, подключенное к настольному компьютеру, серверу или иному компьютерному устройству. Подключение при этом может быть, как проводным, при котором соединительный кабель клавиатуры подключен к порту PS/2 или USB, расположенному на системном блоке настольного компьютера, так и беспроводным, при котором клавиатура осуществляет обмен данными по каналу беспроводной связи, например, радиоканалу, с базовой станцией, которая, в свою очередь, непосредственно подключена к системному блоку, например, к одному из USB-портов. Помимо клавиатуры, в составе средств В/В данных также может использоваться: джойстик, дисплей (сенсорный дисплей), проектор, тачпад, манипулятор мышь, трекбол, световое перо, динамики, микрофон и т.п.
Средства сетевого взаимодействия (206) выбираются из устройства, обеспечивающий сетевой прием и передачу данных, например, Ethernet карту, WLAN/Wi-Fi модуль, Bluetooth модуль, BLE модуль, NFC модуль, IrDa, RFID модуль, GSM модем и т.п. С помощью средств (205) обеспечивается организация обмена данными по проводному или беспроводному каналу передачи данных, например, WAN, PAN, ЛВС (LAN), Интранет, Интернет, WLAN, WMAN или GSM.
Компоненты устройства (200) сопряжены посредством общей шины передачи данных (710).
В настоящих материалах заявки было представлено предпочтительное раскрытие осуществление заявленного технического решения, которое не должно использоваться как ограничивающее иные, частные воплощения его реализации, которые не выходят за рамки испрашиваемого объема правовой охраны и являются очевидными для специалистов в соответствующей области техники.
название | год | авторы | номер документа |
---|---|---|---|
ЦИФРОВАЯ ПЛАТФОРМА ДЛЯ ПОСТАНОВКИ МЕДИЦИНСКИХ ДИАГНОЗОВ НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА С ВОЗМОЖНОСТЬЮ ВЕРИФИКАЦИИ ВРАЧОМ | 2021 |
|
RU2761518C1 |
СИСТЕМА И СПОСОБ АВТОМАТИЧЕСКОГО МАШИННОГО ОБУЧЕНИЯ (AutoML) МОДЕЛЕЙ КОМПЬЮТЕРНОГО ЗРЕНИЯ ДЛЯ АНАЛИЗА БИОМЕДИЦИНСКИХ ИЗОБРАЖЕНИЙ | 2021 |
|
RU2787558C1 |
СИСТЕМА И СПОСОБ ПРЕДОСТАВЛЕНИЯ ИНФОРМАЦИИ И УСЛУГ ПОЛЬЗОВАТЕЛЯМ | 2014 |
|
RU2614537C2 |
СПОСОБ И СИСТЕМА ФОРМИРОВАНИЯ ПАРТИЦИОНИРОВАННЫХ ВИТРИН ДАННЫХ, СОДЕРЖАЩИХ ГЕОДАННЫЕ, И ИХ ИСПОЛЬЗОВАНИЯ В ПРОЦЕССЕ ЭКСПЛУАТАЦИИ ХРАНИЛИЩА ДАННЫХ | 2023 |
|
RU2811359C1 |
Геопортальная платформа для управления пространственно-распределенными ресурсами | 2023 |
|
RU2818866C1 |
СПОСОБ ВЫЯВЛЕНИЯ ОНКОЗАБОЛЕВАНИЙ В ОРГАНАХ МАЛОГО ТАЗА И СИСТЕМА ДЛЯ РЕАЛИЗАЦИИ СПОСОБА | 2023 |
|
RU2814790C1 |
СИСТЕМА ДЛЯ ПОДДЕРЖКИ ПРИНЯТИЯ ВРАЧЕБНЫХ РЕШЕНИЙ | 2020 |
|
RU2752792C1 |
СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ ВРАЧЕБНЫХ РЕШЕНИЙ НА ОСНОВЕ АНАЛИЗА МЕДИЦИНСКИХ ИЗОБРАЖЕНИЙ | 2021 |
|
RU2789260C1 |
СИСТЕМА УПРАВЛЕНИЯ ТЕСТИРОВАНИЕМ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ | 2021 |
|
RU2774659C1 |
СПОСОБ ЗАЩИТЫ ИНФОРМАЦИОННЫХ РЕСУРСОВ НЕОДНОРОДНОЙ ВЫЧИСЛИТЕЛЬНОЙ СЕТИ | 2006 |
|
RU2306600C1 |
Изобретение относится к вычислительной технике. Технический результат заключается в расширении арсенала технических средств платформы. Цифровая компьютерно-реализуемая платформа для создания медицинских приложений с использованием искусственного интеллекта содержит подсистему хранения данных, выполненную с возможностью получения данных медицинских исследований из информационных систем лечебно-профилактических учреждений (ЛПУ) для их обработки и передачи результатов обработки исследований; инструменты просмотра и разметки исследований; среду разработки приложений, выполненную с возможностью хранения и управления исходными кодами приложений, доступа к размеченным исследованиям в подсистеме хранения данных; среду запуска приложений, выполненную с возможностью запуска промежуточных версий приложений для тестирования и отладки, использовать вычислительные ресурсы кластеров для обучения моделей; подсистему выполнения приложений, выполненную с возможностью приема разработанных приложений и обеспечения их выполнения; витрину приложений; подсистему аутентификации пользователей; подсистему обмена сообщениями. 2 н. и 10 з.п. ф-лы, 2 ил.
1. Цифровая компьютерно-реализуемая платформа для создания медицинских приложений с использованием искусственного интеллекта, содержащая:
• подсистему хранения данных, выполненную с возможностью получения данных медицинских исследований из информационных систем лечебно-профилактических учреждений (ЛПУ) для их обработки и передачи результатов обработки исследований в среду разработки приложений, в инструменты просмотра и разметки исследований, а также в подсистему выполнения приложений;
• инструменты просмотра и разметки исследований, выполненные с возможностью хранения и управления исходными и размеченными исследованиями; организации разметки; интеграции исследований в информационные системы ЛПУ;
• среду разработки приложений, выполненную с возможностью хранения и управления исходными кодами приложений, доступа к размеченным исследованиям в подсистеме хранения данных, автоматизации вычислительных экспериментов с использованием среды запуска приложений, интеграции с инструментами просмотра исследований для просмотра промежуточных результатов работы приложений;
• среду запуска приложений, выполненную с возможностью запуска промежуточных версий приложений для тестирования и отладки, использовать вычислительные ресурсы кластеров для обучения моделей;
• подсистему выполнения приложений, выполненную с возможностью приема разработанных приложений и обеспечения их выполнения по внешним запросам через API и интеграции в информационные системы ЛПУ, а также выполненную с возможностью создания предсказательных моделей;
• витрину приложений, причем витрина приложений реализована в виде внешнего интерфейса, предоставляющую возможность быстрого ознакомления с существующими приложениями, выполнения тестовых запусков приложений, ведения истории запусков приложений с возможностью просмотра результатов работы приложений;
• подсистему аутентификации пользователей;
• подсистему обмена сообщениями, выполненную с возможностью получения информации о пользователе платформы и обеспечении разграничения прав доступа к сообщениям между пользователями.
2. Цифровая компьютерно-реализуемая платформа по п.1, в которой инструменты просмотра и разметки исследований выполнены с возможностью управления датасетами, а именно с возможностью создания, классификации и настройки прав доступа.
3. Цифровая компьютерно-реализуемая платформа по п.1, в которой просмотр и разметка исследований осуществляется посредством просмоторщика DICOM.
4. Цифровая компьютерно-реализуемая платформа по п.1, в которой среда разработки приложений содержит каталог алгоритмов.
5. Цифровая компьютерно-реализуемая платформа по п.1, в которой витрина приложений получает исходные данные для приложений централизованно из хранилища.
6. Цифровая компьютерно-реализуемая платформа по п.1, в которой запуск алгоритмов происходит в асинхронных задачах, которые ставятся в очередь на выполнение, причем после выполнения асинхронной задачи результат выполнения сохраняется в базу данных, создается новая сущность, датасет - результат работы алгоритма, состоящий из файлов, полученных в ходе обработки первоначального датасета.
7. Способ работы цифровой компьютерно-реализуемой платформы для создания медицинских приложений с использованием искусственного интеллекта, содержащий этапы, на которых:
• посредством подсистемы хранения данных осуществляется получение данных медицинских исследований из информационных систем лечебно-профилактических учреждений (ЛПУ), дальнейшая их обработка и передача полученных результатов в среду разработки приложений, в инструменты просмотра и разметки исследований, а также в подсистему выполнения приложений;
• посредством инструментов просмотра и разметки исследований осуществляется организация разметки данных и интеграция данных в информационные системы ЛПУ, а также дальнейшее хранение и управление исходными и размеченными исследованиями;
• посредством среды разработки приложений осуществляется хранение и изменение исходного кода алгоритмов, причем среда разработки приложений имеет доступ к размеченным исследованиям;
• осуществляется запуск промежуточных версий приложений для их тестирования и отладки посредством среды запуска приложений, причем среда запуска приложений может использовать вычислительные ресурсы кластеров для обучения моделей;
• осуществляется прием разработанных приложений, их выполнение по внешним запросам через API, интеграция в информационные системы ЛПУ и создание предсказательных моделей посредством подсистемы выполнения приложений;
• осуществляется отображение результатов работы приложений посредством витрины приложений.
8. Способ по п.1, в котором инструменты просмотра и разметки исследований выполнены с возможностью управления датасетами, а именно с возможностью создания, классификации и настройки прав доступа.
9. Способ по п.1, в котором просмотр и разметка исследований осуществляется посредством просмоторщика DICOM.
10. Способ по п.1, в котором среда разработки приложений содержит каталог алгоритмов.
11. Способ по п.1, в котором витрина приложений получает исходные данные для приложений централизованно из хранилища.
12. Способ по п.1, в котором запуск алгоритмов происходит в асинхронных задачах, которые ставятся в очередь на выполнение, причем после выполнения асинхронной задачи результат выполнения сохраняется в базу данных, создается новая сущность, датасет - результат работы алгоритма, состоящий из файлов, полученных в ходе обработки первоначального датасета.
Способ обработки целлюлозных материалов, с целью тонкого измельчения или переведения в коллоидальный раствор | 1923 |
|
SU2005A1 |
Токарный резец | 1924 |
|
SU2016A1 |
Способ защиты переносных электрических установок от опасностей, связанных с заземлением одной из фаз | 1924 |
|
SU2014A1 |
Способ защиты переносных электрических установок от опасностей, связанных с заземлением одной из фаз | 1924 |
|
SU2014A1 |
Устройство для закрепления лыж на раме мотоциклов и велосипедов взамен переднего колеса | 1924 |
|
SU2015A1 |
Способ и система поддержки принятия врачебных решений с использованием математических моделей представления пациентов | 2017 |
|
RU2703679C2 |
Авторы
Даты
2021-02-04—Публикация
2020-09-11—Подача